CN102519578A - 一种旋转机械混合信号的时频域频谱提取方法 - Google Patents
一种旋转机械混合信号的时频域频谱提取方法 Download PDFInfo
- Publication number
- CN102519578A CN102519578A CN2011104229783A CN201110422978A CN102519578A CN 102519578 A CN102519578 A CN 102519578A CN 2011104229783 A CN2011104229783 A CN 2011104229783A CN 201110422978 A CN201110422978 A CN 201110422978A CN 102519578 A CN102519578 A CN 102519578A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- signal
- normalization
- spectrogram
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供的一种旋转机械混合信号的时频域频谱提取方法,首先对采集的振动信号进行归一化预处理,进而进行时频分析,获得代表非平稳信号特性的瞬时参数即短时傅里叶变换系数,然后计算谱图,对谱图进行阶数为r=1的非负矩阵分解,最后由分解的基矩阵得到原始振动信号的特征频谱。它能够快速准确的提取特征频谱,同时有效的降低外界噪声的干扰。
Description
技术领域
本技术涉及一种旋转机械特征频谱提取方法,特别是一种具有盲信号分离的能有效提取旋转机械混合信号的时频域频谱提取方法,属于信号处理领域。
背景技术
机械设备中很大部分是旋转机械,旋转机械指汽轮机、鼓风机、发电机、压缩机、水轮机、电动机等,主要构成部件有转子、支撑转子的轴承、定子或机器壳体、联轴器等,它涉及到动力、电力、化工、冶金、机械制造等重要的工程领域。
旋转机械混合信号的时频分析是信号处理的一个重要领域,其研究对象主要是非平稳信号。时频分析的任务是描述信号的频谱如何在时间上变化,研究并了解时变频谱在数学和物理之间的对应关系,构造合适的时频分布并进行恰当的处理,达到不同的信号处理目的。因此,寻找合适的、性能优良的时频分布成为非平稳信号分析与处理的一个重要研究内容。目前,研究非平稳信号常用的方法有短时傅里叶变换、维格纳-威尔分布、科恩类等,不同分析方法具有不同的特点和应用范围。
1946年,Gabor(Gabor D.Theory of communication.IEE,1946,93(III):429-457)提出了短时傅里叶变换方法,通过适当窗函数的选取,就可实现一定程度上的时频分析,而且通过短时傅里叶变换建立起来的频谱图是最简单、最直观的一种时频分布,但在分析非平稳信号时,时间分辨率和频率分辨率要受到窗函数宽度的限制,不能同时达到最优。1948年,Ville(Ville J.Theorie et application de la notion de signalanalytique.Cables et Transmission,1948,2A:61-74)提出了著名的的维格纳-威尔分布,不久之后人们又提出了科恩类时频分布方法。维格纳-威尔分布和科恩类分布虽然具有良好的时频特性,可以准确估计信号瞬时频率、瞬时带宽等时频参数,但由于存在交叉干扰项,影响它们的实际应用范围。除此之外,非平稳信号分析与处理还包括时变谱估计技术和最优过滤技术在非平稳信号处理中的延伸和发展。此外,非平稳信号分析和处理还包括一些重要专题,如特殊平稳信号的平稳化处理、循环平稳信号分析与处理等。
1999年Lee和Seung在Nature上发表了非负矩阵分解(Non-negative MatrixFactorizations,NMF)的最新研究成果(LEE D,SEUNG H,“Learning the parts ofobjects by non-negative matrix factorization,”Nature,1999,401:788-791),非负矩阵分解是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法,这种非负性条件符合许多实际问题的要求。NMF的实现是一个优化求解的过程,基本思想是合理地构造目标函数,交替地优化W和H从而得到NMF的一个局部最优解V>>WH,算法的关键是目标函数的设定和迭代规则的选择。
区别于主分量分析、线性鉴别分析、投影寻踪、因子分析、冗余归纳、独立分量分析等常用的信号变换方法,NMF使分解后的所有分量均为非负值(纯加性),并且同时实现非线性的维数约减。这种非负性的限制导致了相应描述在一定程度上的稀疏性,更能体现智能数据处理的本质。纯加性和稀疏性使得对数据的描述变得方便与合理,同时还在一定程度上抑制外界变化对特征提取造成的影响,所以NMF已逐渐成为信号处理、生物医学工程、模式识别、计算机视觉和图像工程等研究领域中最受欢迎的多维数据处理工具之一。
发明内容
针对现有时频分析工具的不足,提供了一种基于非负矩阵分解的旋转机械混合信号的时频域频谱提取方法,它能够快速准确的提取特征频谱,同时有效的降低外界噪声的干扰。
为了实现这样的目的,本发明提供的一种旋转机械混合信号的时频域频谱提取方法,它包括如下步骤:
第1步:将采集到的振动信号进行归一化预处理,得到归一化振动信号:
第2步:归一化振动信号时频分析,获得代表归一化振动信号特性的瞬时参数即短时傅里叶变换系数,然后计算谱图:
归一化振动信号短时傅里叶变换:
其中,h(t)表示窗函数;然后计算谱图:
第3步:对谱图进行非负矩阵分解:
SS>>WH
设定分解级数r=1,将分解所得的基矩阵W进行表达,即获得原始机械振动信号的特征频谱。
本发明首先对采集的振动信号进行归一化预处理,进而进行时频分析,获得代表非平稳信号特性的瞬时参数即短时傅里叶变换系数,然后计算谱图,对谱图进行阶数为r=1的非负矩阵分解,最后由分解的基矩阵得到原始振动信号的特征频谱。它能够快速准确的提取特征频谱,同时有效的降低外界噪声的干扰。
附图说明
图1为本发明的旋转机械振动信号特征频谱提取方法流程示意图;
图2为原始机械设备振动时域波形图;
图3为原始振动信号归一化预处理后结果的波形图;
图4为归一化振动信号进行短时傅里叶频谱分析结果的波形图;
图5为归一化振动信号谱图的波形图;
图6为对信号谱图进行非负矩阵分解的特征频谱提取结果的波形图。
具体实施方式
参照图1,本发明提供的一种旋转机械混合信号的时频域频谱提取方法,它包括如下步骤:
第一步:将采集到的振动信号进行归一化预处理,得到归一化振动信号:
其中,Sn(t)和S(t)分别表示归一化振动信号和原始振动信号,表示原始振动信号的均值,std(S(t))表示原始振动信号的标准差。图2为原始机械设备振动时域波形图,图3为原始振动信号归一化预处理后结果。
第二步:归一化振动信号时频分析,获得代表归一化振动信号特性的瞬时参数和谱图:
为了获得归一化振动信号谱图,首先对归一化振动信号进行短时傅里叶变换:
其中,h(t)表示窗函数,图4为归一化振动信号进行短时傅里叶频谱分析结果。然后计算谱图:
图5为归一化振动信号谱图。谱图为信号实值、非负的二次型分布,且具有时移和频移不变性。
第三步:对谱图进行非负矩阵分解:
SS>>WH
由于信号谱图数值非负,因此可直接应用非负矩阵分解进行变换,无需做任何额外处理。在进行信号谱图非负矩阵分解时,设定分解级数r=1,将分解所得的基矩阵W进行表达,即获得原始机械振动信号的特征频谱。图6为对信号谱图进行非负矩阵分解的特征频谱提取结果,由于信号谱图具有时移和频移不变性,因此分解结果的表达也包含有原始信号时间和频率的信息。同时分解结果能够有效的降低外界噪声的干扰。
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104229783A CN102519578A (zh) | 2011-12-15 | 2011-12-15 | 一种旋转机械混合信号的时频域频谱提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104229783A CN102519578A (zh) | 2011-12-15 | 2011-12-15 | 一种旋转机械混合信号的时频域频谱提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102519578A true CN102519578A (zh) | 2012-06-27 |
Family
ID=46290578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104229783A Pending CN102519578A (zh) | 2011-12-15 | 2011-12-15 | 一种旋转机械混合信号的时频域频谱提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102519578A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353344A (zh) * | 2013-06-25 | 2013-10-16 | 国家电网公司 | 基于自适应stft的旋转机械阶次跟踪方法 |
CN104458170A (zh) * | 2014-11-07 | 2015-03-25 | 桂林电子科技大学 | 机械装备监测振动信号的时频图处理方法及系统 |
CN105043667A (zh) * | 2015-07-01 | 2015-11-11 | 广东石油化工学院 | 转子不平衡振动信号幅值、相位实时计算方法 |
CN106203362A (zh) * | 2016-07-13 | 2016-12-07 | 广东工业大学 | 一种基于脉冲指标的旋转机械故障诊断方法 |
CN106370403A (zh) * | 2016-08-22 | 2017-02-01 | 南京信息工程大学 | 一种基于边缘检测的瞬时频率估计方法 |
CN106935236A (zh) * | 2017-02-14 | 2017-07-07 | 复旦大学 | 一种钢琴演奏评估方法及系统 |
CN108764184A (zh) * | 2018-06-01 | 2018-11-06 | 广东工业大学 | 一种心肺音信号的分离方法、装置、设备及存储介质 |
CN109085763A (zh) * | 2018-06-11 | 2018-12-25 | 浙江上风高科专风实业有限公司 | 基于复杂调幅模型的循环平稳方法对风机振动特征的提取 |
CN109459131A (zh) * | 2018-11-29 | 2019-03-12 | 郑州工程技术学院 | 一种旋转机械多通道振动信号的时频特征提取方法及装置 |
CN109784284A (zh) * | 2019-01-22 | 2019-05-21 | 上海瀚挚电子科技有限公司 | 基于旋转机械的工作状态的自学习识别方法 |
CN110118582A (zh) * | 2019-06-12 | 2019-08-13 | 北京博识创智科技发展有限公司 | 一种旋转机械设备故障诊断方法及系统 |
CN110319995A (zh) * | 2019-08-14 | 2019-10-11 | 清华大学 | 火工冲击响应数据时频谱图分析方法 |
CN110333071A (zh) * | 2019-06-28 | 2019-10-15 | 华北电力大学 | 一种利用窄带倒谱变换的机械振动信号处理方法 |
CN110428454A (zh) * | 2019-08-13 | 2019-11-08 | 电子科技大学中山学院 | 一种高光谱解混方法、装置、电子设备及存储介质 |
CN110926594A (zh) * | 2019-11-22 | 2020-03-27 | 北京科技大学 | 一种旋转机械信号时变频率特征提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002174550A (ja) * | 2000-12-06 | 2002-06-21 | Nsk Ltd | 回転体の径方向振動の評価方法 |
JP2007303889A (ja) * | 2006-05-09 | 2007-11-22 | Ho Jinyama | キャビテーション検知方法、評価方法、コンピュータプログラム、及び、キャビテーション検知装置 |
JP4373350B2 (ja) * | 2005-02-15 | 2009-11-25 | 株式会社日立製作所 | 軸振動監視システム |
CN101666677A (zh) * | 2009-09-25 | 2010-03-10 | 北京工业大学 | 一种用于提取低速重载设备微弱故障特征信息的方法 |
CN101782426A (zh) * | 2010-01-29 | 2010-07-21 | 浙江大学 | 电力变压器绕组松动故障振动检测方法 |
-
2011
- 2011-12-15 CN CN2011104229783A patent/CN102519578A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002174550A (ja) * | 2000-12-06 | 2002-06-21 | Nsk Ltd | 回転体の径方向振動の評価方法 |
JP4373350B2 (ja) * | 2005-02-15 | 2009-11-25 | 株式会社日立製作所 | 軸振動監視システム |
JP2007303889A (ja) * | 2006-05-09 | 2007-11-22 | Ho Jinyama | キャビテーション検知方法、評価方法、コンピュータプログラム、及び、キャビテーション検知装置 |
CN101666677A (zh) * | 2009-09-25 | 2010-03-10 | 北京工业大学 | 一种用于提取低速重载设备微弱故障特征信息的方法 |
CN101782426A (zh) * | 2010-01-29 | 2010-07-21 | 浙江大学 | 电力变压器绕组松动故障振动检测方法 |
Non-Patent Citations (2)
Title |
---|
D. D. LEE等: "Learning the parts of objects by nonnegative matrix factorization", 《NATURE》 * |
李宁等: "基于非负矩阵分解的盲信号源数估计", 《中国机械工程》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353344A (zh) * | 2013-06-25 | 2013-10-16 | 国家电网公司 | 基于自适应stft的旋转机械阶次跟踪方法 |
CN104458170A (zh) * | 2014-11-07 | 2015-03-25 | 桂林电子科技大学 | 机械装备监测振动信号的时频图处理方法及系统 |
CN104458170B (zh) * | 2014-11-07 | 2017-01-11 | 桂林电子科技大学 | 机械装备监测振动信号的时频图处理方法及系统 |
CN105043667B (zh) * | 2015-07-01 | 2017-10-20 | 广东石油化工学院 | 转子不平衡振动信号幅值、相位实时计算方法 |
CN105043667A (zh) * | 2015-07-01 | 2015-11-11 | 广东石油化工学院 | 转子不平衡振动信号幅值、相位实时计算方法 |
CN106203362A (zh) * | 2016-07-13 | 2016-12-07 | 广东工业大学 | 一种基于脉冲指标的旋转机械故障诊断方法 |
CN106203362B (zh) * | 2016-07-13 | 2019-02-12 | 广东工业大学 | 一种基于脉冲指标的旋转机械故障诊断方法 |
CN106370403A (zh) * | 2016-08-22 | 2017-02-01 | 南京信息工程大学 | 一种基于边缘检测的瞬时频率估计方法 |
CN106935236A (zh) * | 2017-02-14 | 2017-07-07 | 复旦大学 | 一种钢琴演奏评估方法及系统 |
CN108764184B (zh) * | 2018-06-01 | 2022-02-15 | 广东工业大学 | 一种心肺音信号的分离方法、装置、设备及存储介质 |
CN108764184A (zh) * | 2018-06-01 | 2018-11-06 | 广东工业大学 | 一种心肺音信号的分离方法、装置、设备及存储介质 |
CN109085763A (zh) * | 2018-06-11 | 2018-12-25 | 浙江上风高科专风实业有限公司 | 基于复杂调幅模型的循环平稳方法对风机振动特征的提取 |
CN109459131A (zh) * | 2018-11-29 | 2019-03-12 | 郑州工程技术学院 | 一种旋转机械多通道振动信号的时频特征提取方法及装置 |
CN109784284A (zh) * | 2019-01-22 | 2019-05-21 | 上海瀚挚电子科技有限公司 | 基于旋转机械的工作状态的自学习识别方法 |
CN110118582A (zh) * | 2019-06-12 | 2019-08-13 | 北京博识创智科技发展有限公司 | 一种旋转机械设备故障诊断方法及系统 |
CN110333071A (zh) * | 2019-06-28 | 2019-10-15 | 华北电力大学 | 一种利用窄带倒谱变换的机械振动信号处理方法 |
CN110428454A (zh) * | 2019-08-13 | 2019-11-08 | 电子科技大学中山学院 | 一种高光谱解混方法、装置、电子设备及存储介质 |
CN110428454B (zh) * | 2019-08-13 | 2022-02-25 | 电子科技大学中山学院 | 一种高光谱解混方法、装置、电子设备及存储介质 |
CN110319995A (zh) * | 2019-08-14 | 2019-10-11 | 清华大学 | 火工冲击响应数据时频谱图分析方法 |
CN110926594B (zh) * | 2019-11-22 | 2021-04-20 | 北京科技大学 | 一种旋转机械信号时变频率特征提取方法 |
CN110926594A (zh) * | 2019-11-22 | 2020-03-27 | 北京科技大学 | 一种旋转机械信号时变频率特征提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102519578A (zh) | 一种旋转机械混合信号的时频域频谱提取方法 | |
Yi et al. | Quaternion singular spectrum analysis using convex optimization and its application to fault diagnosis of rolling bearing | |
Yi et al. | A fault diagnosis scheme for rolling bearing based on particle swarm optimization in variational mode decomposition | |
Wang et al. | Dynamic Bayesian wavelet transform: New methodology for extraction of repetitive transients | |
Zhang et al. | Rolling bearing fault diagnosis utilizing variational mode decomposition based fractal dimension estimation method | |
Park et al. | The complex local mean decomposition | |
Qin et al. | Vibration signal component separation by iteratively using basis pursuit and its application in mechanical fault detection | |
CN102519725B (zh) | 通过非线性冗余提升小波包处理轴承设备振动信号的方法 | |
Islam et al. | Acoustic emission sensor network based fault diagnosis of induction motors using a gabor filter and multiclass support vector machines. | |
Wang et al. | Fault classification of rolling bearing based on reconstructed phase space and Gaussian mixture model | |
Dong et al. | A repeated single-channel mechanical signal blind separation method based on morphological filtering and singular value decomposition | |
CN103020479A (zh) | 基于非线性调频小波变换的信号瞬时频率估计方法 | |
Li et al. | Life grade recognition method based on supervised uncorrelated orthogonal locality preserving projection and K-nearest neighbor classifier | |
CN110909480B (zh) | 一种水轮机振动信号的去噪方法与装置 | |
Jiang et al. | A fault diagnostic method for induction motors based on feature incremental broad learning and singular value decomposition | |
CN113865866B (zh) | 一种基于改进局部非负矩阵分解的轴承复合故障诊断方法 | |
Miao et al. | A comparison study of support vector machines and hidden Markov models in machinery condition monitoring | |
CN113392543B (zh) | 一种异步电机噪声源的高精度识别方法 | |
Zhou et al. | Application of IPSO-MCKD-IVMD-CAF in the compound fault diagnosis of rolling bearing | |
Duarte et al. | Separation of sparse signals in overdetermined linear-quadratic mixtures | |
CN111192257B (zh) | 一种确定设备状态的方法、系统及设备 | |
Sun et al. | A fault feature extraction method for single-channel signal of rotary machinery based on VMD and KICA | |
CN104778342A (zh) | 一种基于小波奇异熵的心音特征提取方法 | |
He et al. | An automatic abrupt information extraction method based on singular value decomposition and higher-order statistics | |
Si et al. | A feature extraction method for shearer cutting pattern recognition based on improved local mean decomposition and multi-scale fuzzy entropy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120627 |